[发明专利]图像压缩方法和图像压缩装置

权利要求书

1.一种图像压缩方法，其特征在于，包括：

基于输入图像，利用编码网络获得所述输入图像的隐变量，其中，所述编码网络是深度学习神经网络，所述编码网络包括至少一个下采样反向投影模块；

基于所述隐变量执行熵编码，获得压缩图像的比特流文件；

其中，所述编码网络包括的所述至少一个下采样反向投影模块的每个执行以下操作：

对输入到所述下采样反向投影模块的第一特征图进行下采样变换以获得第二特征图；

对第二特征图执行重构，获得与第一特征图相同分辨率的第三特征图；

基于第一特征图与第三特征图之间的差值，获得作为第二特征图的优化结果的第四特征图，其中，基于所述编码网络中的至少一个下采样反向投影模块的最后一个下采样反向投影模块获得的第四特征图，得到所述隐变量。

2.如权利要求1所述的图像压缩方法，其特征在于，所述基于第一特征图与第三特征图之间的差值，获得作为第二特征图的优化结果的第四特征图，包括：

对第一特征图与第三特征图之间的差值执行优化，并基于优化的差值对第三特征图执行优化，获得优化的第三特征图；

对优化的第三特征图执行下采样和优化，获得第四特征图。

3.如权利要求2所述的图像压缩方法，其特征在于，所述基于第一特征图与第三特征图之间的差值，获得作为第二特征图的优化结果的第四特征图，还包括：

对获得的第四特征图与第二特征图之间的差值执行优化，并基于优化的差值对获得的第四特征图执行优化，获得最终的第四特征图。

4.如权利要求1所述的图像压缩方法，其特征在于，所述对第二特征图执行重构，获得与第一特征图相同分辨率的第三特征图，包括：

通过卷积操作来对第二特征图进行特征处理，

对特征处理后的第二特征图进行上采样变换，

通过卷积操作来对上采样变换后的特征图进行特征处理，以获得第三特征图。

5.如权利要求2所述的图像压缩方法，其特征在于，

其中，所述对第一特征图与第三特征图之间的差值执行优化，并基于优化的差值对第三特征图执行优化，获得优化的第三特征图，包括：

将第一特征图和第三特征图相减得到第一差值特征图；

通过卷积操作对第一差值特征图进行特征学习；

将特征学习后的第一差值特征图与被减的特征图相加得到相加后的特征图；

通过卷积操作对所述相加后的特征图进行特征学习，得到所述优化的第三特征图。

6.如权利要求2所述的图像压缩方法，其特征在于，

其中，所述对优化的第三特征图执行下采样和优化，获得第四特征图，包括：

通过卷积操作对所述优化的第三特征图进行下采样，并对下采样后的第三特征图进行特征提取，

通过卷积操作对特征提取得到的特征图进行特征学习，得到第四特征图。

7.如权利要求3所述的图像压缩方法，其特征在于，所述对获得的第四特征图与第二特征图之间的差值执行优化，并基于优化的差值对获得的第四特征图执行优化，获得最终的第四特征图，包括：

将获得的第四特征图和第二特征图相减得到第二差值特征图；

通过卷积操作对第二差值特征图进行特征学习；

将特征学习后的第二差值特征图与被减的特征图相加得到相加后的特征图；

通过卷积操作对所述相加后的特征图进行特征学习，得到所述优化的第三特征图。